DeepSeek V4.1-Flash-1017 基准细节：Terminal-Bench 4.0 升至 42.3

2026/10/17 19:01

前情提要：DeepSeek 此前发布 V4.1-Flash-1017，官方称其在基准表现、任务完成速度与输出长度上实现帕累托改进，并上线官网、App 与 API；模型延续 MIT 许可开放权重。
最新数据：Thomas Wolf 转述称，Terminal-Bench 4.0 从上一版的 31.2 提升至 42.3；DeepSWE 得分为 77.0，对比 Opus 5 的 74.0 与 GPT-5.6 Sol 的 73.0。
成本指向：官方与转述均强调更短输出和更快任务完成；在固定任务下减少 token 消耗，会直接影响 Agent 工作流的单位调用成本。
信息边界：上述分数来自 DeepSeek 自有评测口径与 Thomas Wolf 的转述，素材未给出完整评测集、运行配置与第三方复现结果。
行业观察：终端操作与软件工程类基准正在成为编码 Agent 选型的直接参照；但单点基准领先能否转化为端到端工作流优势，仍取决于任务拆解、错误恢复与外部评测。